intc股價的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列股價、配息、目標價等股票新聞資訊

結合資料探勘技術與基因演算法預測股票市場買賣信號以提升投資效益-以道瓊指數成分股為例

為了解決intc股價的問題，作者林奇亨 這樣論述：

摘要 IIIABSTRACT V目錄 VI圖目錄 VIII表目錄 IX1. 緒論 11.1 研究動機與目的 11.2 研究架構與流程 22. 文獻探討 32.1 技術指標 32.1.1 技術指標相關文獻 42.2 資料探勘 42.3 決策樹 52.4 隨機森林 52.4.1 隨機森林相關文獻 52.5 支援向量機 82.5.1 支援向量機相關文獻 82.6 基因演算法(GA) 92.6.1 基因演算法相關文獻 103. 研究方法 123.1 研究設計 123.1.1 個股數據蒐集 123.1.2 統計數據分析 133.1.3 技術指標 133.

1.4 隨機森林 143.1.5 支援向量機(SVM)與建構模型 143.1.6 利用基因演算法(GA)進行參數最佳化 143.2 個股操作策略-KD 超買超賣操作策略 153.2.1 KD指標公式 153.2.2 KD指標運用方式 163.3 績效比較 163.3.1 績效比較基準 164. 研究結果分析 184.1 道瓊成分股實驗分析 184.2 道瓊成分股實驗結果彙總 215. 結論 25參考文獻 27附錄-道瓊成分股詳細實驗結果 3001. 微軟MSFT 3002. 蘋果AAPL 3003. 摩根大通JPM 3104. 嬌生JNJ 3205. 沃爾瑪

WMT 3306. VISA V 3407. 寳鹼PG 3408. 埃克森美孚XOM 3509. 迪士尼DIS 3610. 家得寶HD 3711. 威訊VZ 3712. 可口可樂KO 3813. 雪佛龍CVX 3914. 聯合健康保險UNH 4015. 默克藥廠MRK 4016. 波音BA 4117. 思科CSCO 4218. 英代爾INTC 4319. 輝瑞製藥PFE 4320. 麥當勞MCD 4421. 國際商用機器IBM 4522. 聯合技術UTX 4623. 耐吉NKE 4624. 美國運通AXP 4725. 3M MMM 4826. 高盛GS

4927. 開拓重工CAT 4928. 沃爾格林WBA 5029. 旅行家集團TRV 51

應用技術指標與類神經網路於股票價格預測

為了解決intc股價的問題，作者劉峻宇 這樣論述：

股票市場的預測一直是投資者關注的重要議題，通過高準確的預測系統獲得巨大的投資利潤也一直是開發者努力的目標，而隨著資訊科技的發展及大數據的演進，未來股市投資將不再是以往的人為操作和判斷，科技化及智能化的投資模式，將帶給投資者更精確的策略分析和有效的投資決策。然而現階段要如何開發出一套精確的預測模型是我們努力追尋的目標，而在股市預測研究領域中可發現人工神經網路（Artificial Neural Network, ANN）在這一領域被廣為運用，並在許多方方面得到了改進，但仍然存在一些尚未解決的問題，例如參數的設置、輸入節點的構成、輸入變數的數據，都會造成不同的預測結果，如何定義出最佳的網路模型，

是許多研究者所探討的問題，因此，本研究提出將技術分析指標結合倒傳遞類神經網路(Back Propagation Neural Network, BPN)，運用技術指標作為神經網路的輸入變數，研究是否能提供更準確的股價預測以及實證技術指標是否能提供股價分析和預測之功用，透過數據分析，取得股價中的關鍵數據，經由神經網路模組的訓練與測試，達到股價預測之功能。研究方法運用R撰寫技術分析指標套件，並結合倒傳遞類神經網路開發四種預測模模組來實證研究之比較，將美股四大指數，道瓊工業指數、費城半導體指數、S&P500指數以及納斯達克綜合指數和十六家上市公司作為樣本資料，分別以四種預測模組進行預測結果之比較。經

本研究結果實證技術指標之分析功用以及分析出最佳的預測模組，並為R在股市數據分析領域中提出貢獻。